Siarkan array untuk bentuk yang kompatibel.
Broadcasting adalah proses membuat array memiliki bentuk yang kompatibel untuk operasi aritmatika. Dua bentuk dikatakan kompatibel jika untuk setiap pasangan dimensi keduanya sama atau salah satunya adalah satu.
Sebagai contoh:
>>> x = tf.constant([[1, 2, 3]]) # Bentuk (1, 3,) >>> y = tf.broadcast_to(x, [2, 3]) >>> print(y ) tf.Tensor( [[1 2 3] [1 2 3]], bentuk=(2, 3), dtype=int32)
Pada contoh di atas, Tensor input dengan bentuk `[1, 3]` disiarkan ke Tensor output dengan bentuk `[2, 3]`.
Saat menyiarkan, jika tensor memiliki sumbu yang lebih sedikit dari yang diperlukan, bentuknya diisi di sebelah kiri dengan sumbu. Jadi ini memberikan hasil yang sama seperti contoh sebelumnya:
>>> x = tf.constant([1, 2, 3]) # Bentuk (3,) >>> y = tf.broadcast_to(x, [2, 3])
Saat melakukan operasi broadcast seperti mengalikan tensor dengan skalar, broadcasting (biasanya) memberikan beberapa keuntungan ruang atau waktu, karena broadcasted tensor tidak pernah terwujud.
Namun, `broadcast_to` tidak membawa manfaat seperti itu. Tensor yang baru dibuat mengambil memori penuh dari bentuk yang disiarkan. (Namun, dalam konteks grafik, `broadcast_to` mungkin digabungkan ke operasi berikutnya dan kemudian dioptimalkan.)
Metode Publik
Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolis tensor. |
statis <T, U memperluas Nomor> BroadcastTo <T> | |
Keluaran <T> | keluaran () Sebuah Tensor. |
Metode yang Diwarisi
Metode Publik
Output publik <T> sebagai Output ()
Mengembalikan pegangan simbolis tensor.
Input ke operasi TensorFlow adalah output dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
Buat siaran statis publik untuk <T> ( Cakupan lingkup, input Operand <T>, bentuk Operand <U>)
Metode pabrik untuk membuat kelas yang membungkus operasi BroadcastTo baru.
Parameter
cakupan | lingkup saat ini |
---|---|
memasukkan | Tensor untuk disiarkan. |
membentuk | Tensor `int` 1-D. Bentuk keluaran yang diinginkan. |
Kembali
- contoh baru BroadcastTo